SỬ DỤNG MÔ HÌNH ĐA NHÂN TỐ VÀ PHƯƠNG PHÁP THÀNH PHẦN CHÍNH ĐỂ PHÂN LOẠI VÀ ĐÁNH GIÁ HOẠT ĐỘNG TỔ CHỨC TÍN DỤNG

S DNG Mễ HèNH A NHN T V PHNG PHP
THNH PHN CHNH PHN LOI V NH GI
HOT NG T CHC TN DNG
3.1 Mụ hỡnh a nhõn t
3.1.1 Mô hình
Trên thị trờng giả sử có N loại tài sản tài chính
Tài sản i có lợi suất ri trong đó ri = (Sit Sit-1)/ Sit-1
E(ri) = ri*
Var(ri) = (i)^2
Sit là giá thị trờng của tài sản i tại thời điểm t
E(ri) là kỳ vọng lợi suất của tài sản i tại thời điểm t
Var(ri) là phơng sai của ri
i là độ lệch tiêu chuẩn của ri
Các tài sản trên thị trờng đợc giả thiết là có cùng chịu sự tác động
của k nhân tố của thị trờng là F1, F2, , Fk và ngoài ra tài sản i còn có
chịu những tác động riêng từ rủi ro i
- Khi đó ta có mô hình đa nhân tố của N loại tài sản dới tác động
của k nhân tố F1, F2, F3, , Fk đối với tài sản:
r
i
=
I
+
ik
*F
k
+
I
( Trong đó i = 1,2,3, ,N)
Giả sử danh mục P của N tài sản với tỷ trọng tơng ứng (w1, w2, w3,
, wN) thì ta có mô hình đa nhân tố đối với danh mục P

r
P
=
P
+
Pj
*F
j
+
P
trong đó rp = wi * ri

P
=
i
*w
i
(i =1..n)
pj = ij * wi (i=1..n)
1
p = i * wi
Các giả thiết của mô hình :
_Các nhân tố không tơng quan với nhau Cov(Fi,Fj) = 0 với mọi i
khác j (i=1..n),(j=1..n)
_ Các nhân tố không tơng quan với rủi ro riêng của tài sản Cov(Fi,
j) = 0 với mọi i,j (i=1..n),(j=1..n)
_ Các rủi ro riêng của các tài sản không tơng quan Cov(i,j) = 0
với mọi i khác j (i=1..n),(j=1..n)
_ E( Fi ) = 0 (i=1..n)
_ E(i) = 0 (i=1..n)

Trên thực tế để ớc lợng mô hình đa nhân tố ngời ta có 2 cách là chỉ
định các nhân tố hoặc sử dụng phơng pháp thống kê
Trong trờng hợp chỉ định các nhân tố thì ta có thể chỉ định các
nhân tố sau:
Nhóm các yếu tố kinh tế vĩ mô:
-Nhân tố tăng trởng kinh tế.
-Nhân tố lạm phát.
-Nhân tố lãi suất.
-Sự thay đổi chính sách kinh tế, chẳng hạn nh chính sách tiền tệ,
chính sách tỷ giá.
-Yếu tố chính trị xã hội.
Nhóm các yếu tố liên quan tới tài sản:
-Ngành nghề, lĩnh vực.
-Loại hình tài sản.
-Đặc đIểm, đặc trng của các doanh nghiệp phát hành tài sản.
Sau đó chọn 1 số biến kinh tế vĩ mô làm nhân tố để phân tích.Rồi -
ớc lợng mô hình hồi quy có dạng: r
i
=
I
+
ik
*F
k
+
i

Kiểm định lại mô hình bằng các thủ tục trong kinh tế lợng
2
Sử dụng phơng pháp thống kê :

Phân tích nhân tố bằng phơng pháp thành phần chính.Đây là 1 ph-
ơng pháp khá hữu ích trong xây dựng mô hình đa nhân tố, và sẽ đ ợc
trình bày chi tiết ở phần sau.
3.1.2 Mt s ng dng ca mụ hỡnh nhõn t
Sử dụng mô hình này để tính ma trận hiệp phơng sai gia các tài
sản :
- ký hiệu V=(
ij
^2) là ma trận hiệp phơng sai giữa các tài sản
trong đó ij^2 là hiệp phơng sai của tài sản i với tài sản j
(
ij
)^2=

=
K
k 1

ik
*
jk
*Var(F
k
) (i=1,2,..,N) (j=1,2,..N) và I
khác j
(ij)^2 = (ii)^2 = (i)^2 (là phơng sai của tài sản i) trong tr-
ờng hợp i = j
Phân tích rủi ro của tài sản hay danh mục :
Nếu lợi suất tuân theo mô hình đa nhân tố thì:
-Đối với tài sản

Var(r
i
)=
2
i
=

=
K
k 1

2
ik
*Var

(F
k
) + Var (
I
)
với số hạng thứ nhất đợc gọi là rủi ro của nhân tố và số hạng thứ 2
là rủi ro phi nhân tố hay rủi ro riêng.
-Đối với danh mục :
Var(r
p
)=
2
p
=

=
K
k 1

2
pk
*Var

(F
k
) + Var (
p
)
3
với số hạng thứ nhất đợc gọi là rủi ro của nhân tố và sô hạng thứ 2
là rủi ro riêng của danh mục.
Lập danh mục đáp ứng :
-Xét danh mục Q có các
Qk
cho trớc.Cần xác định danh mục phỏng
theo Q, sao cho có cùng hệ số nhân tố. Ta thực hiện nh sau :
Lập và giải hệ phơng trình :

=
N
i 1
w
i
*
ik

=
qk

=
N
i 1
w
i
= 1
Một điểm chú ý là nếu mô hình có K nhân tố thì ta chỉ cần chọn
(K+1) tài sản để tìm danh mục đáp ứng.
Lập danh mục nhân tố : có thể nói đây là ứng dụng chính của mô hình
nhân tố :
-Khái niệm danh mục nhân tố P(j) với j=1,2,..,K
Đó là danh mục có
Pj
= 1

Pk
=0 với j # k
-Lập danh mục nhân tố
+Chọn K+1 tài sản hoặc danh mục chỉ có rủi ro nhân tố
+Sử dụng phơng pháp lập danh mục phỏng theo để lập danh mục
P(j)

+
=
1
1
K

i
w
i
*
ik
= e
jk

+
=
1
1
K
i
w
i
= 1 với e
jk
= 1 nếu j=k
e
jk
=0 nếu j # k
4
3.2 Sử dụng các mô hình để phân loại và đánh giá hoạt động của
tổ chức tín dụng
3.2.1 Số liệu sử dụng
Số liệu được sử dụng là các chỉ tiêu tài chính của 28 ngân hàng thương
mại cổ phần trong năm 2005,các chỉ tiêu được sử dụng để đánh giá là các chỉ
tiêu được phản ánh trong mô hình CAMELS trong điều kiện Việt Nam mà ta
đã trình bày tại mục 2.

Cấu phần vốn ta sử dụng chỉ tiêu (C) : Chỉ số vốn đảm bảo được tính
bằng tỉ số của vốn điều lệ với tổng nguồn vốn
Cấu phần tài sản (A) : Ta sử dụng 2 chỉ tiêu là
- Chỉ số tài sản có được tính bằng tỷ số tài sản có với tổng tài sản
- Chỉ số đầu tư được tính bằng tỷ số tổng đầu tư trên tổng tài sản
Cấu phần quản lý (M) : Ta sử dụng chỉ tiêu là chỉ số chi phí trên thu
nhập của tổ chức tín dụng
Cấu phần thu nhập (E) ta sử dụng chỉ tiêu chỉ số lợi nhuận ròng được
tính bằng tỷ số giữa lợi nhuận trên tổng tài sản
Cấu phần thanh khoản ta sử dụng 2 chỉ tiêu :
- Chỉ số tiền mặt tại ngân hàng được tính bằng tỷ số giữa tiền mặt tại ngân
hàng với tổng lượng tiền gửi của khách hang
- Chỉ số tín dụng NHTW được tính bằng tỷ số giữa tín dụng của NHTW
cấp cho tổ chức tín dụng trên tổng nguồn vốn.
Số liệu được sử dụng để tính toán là báo cáo tài chính, bảng cân đối kế
toán của 28 ngân hang thương mại cổ phần trong năm 2005.
Dự trên các số liệu của các ngân hang ta tính toán các chỉ số cho từng
ngân hang sau đó sẽ sử dụng phần mềm SPSS để phân loại, đánh giá hoạt
động cho tổ chức tín dụng đó.
5
Biểu 1 Chỉ số tài chính của 28 ngân hàng thương mại cổ phần
ST
T
Ngân hàng CsVon CsTS CsDT CsQL
CsL
N
CsTK CsTD
1 NhKienLong 7.391
1.96
4

0 70.64 3.864 2.312 0
2 NhQuanDoi 5.478
2.86
1
7.305 71.67 1.863 1.466 2.751
3 NhRachKien 28.81 3.21 0 79.38 2.053 3.594 0
4 SaiGonCongThuong 9.324
3.26
3
5.828 77.25 2.612 1.555 1.352
5 NhVietA 10.61
1.65
5
4.709 79.71 1.782 14.61 1.103
6 NhTanViet 24.17 2.43 2.941 75.82 2.813 5.016 0
7 NhXuatNhapKhau 6.289
1.28
4
10.04 75 1.636 7.723 2.894
8 NhCPNhaHaNoi 5.431 0.76 0.561 63.18 3.892 1.55 6.209
9 NhCpAChau 3.906
2.03
1
20.43 74.07 1.632 7.666 3.984
10 NhcpBacA 5.164 1.11 25.64 86.1 1.059 3.006 0.465
11 NhcpDongNamA 4.082
0.22
9
20.25 84.96 0.833 2.357 0
12 NhNongThonDongThap 39.82

1.99
1
11.95 63.79 0.929 0.39 0
13 NhNongthonHaiDuong 10.95 1.79 6.494 95.63 0.433 2.086 0
6
3
14 NhcpAnBinh 24.3 0.33 11.19 70.11 1.664 3.173 5.155
15 NhcpNongThonDaiA 9.124
2.37
2
1.277 74.69 2.646 1.663 0
16 NhcpGiaDinh 15.94
0.17
9
0.657 82.03 1.833 0.511 5.179
17 NhcpHangHai 4.568
4.40
8
1.697 83.75 1.028 1.365 0.646
18 NhcpKyThuongVN 5.785
1.38
8
18.32 68.36 2.681 2.615 1.406
19 NhDoanhNghiepNgoaiQD 5.074
3.77
7
29.41 83.19 1.281 2.586 0.493
20 NhcpNinhBinh 46.08
12.5
6

3.754 77.45 1.57 16.33 0
21 NhcpPhuongNam 9.048
1.38
8
4.571 82.14 1.56 5.353 1.795
22 NhcpQuocTe 5.688
4.75
1
7.963 82.4 1.082 1.86 0
23 NhcpSaiGonThuongTin 8.647
4.28
2
13.39 72.68 2.276 9.477 1.176
24 NhcpphattrienNhaTPHCM 13.01
1.47
4
3.209 71.01 2.125 9.337 1.214
25 NhDauTu&PhatTrien 3.365
0.88
2
10.7 71.26 1.899 1.004 3.631
26 NhcpPhuongDong 7.463
1.54
2
4.378 80.8 1.667 5.422 0
27 NhCongThuong 2.926
1.01
8
11.96 77.56 1.725 1.439 1.057
28 NhNNghiep&PtNôngThôn 3.318

1.33
1
3.689 69.03 2.844 11.35 11.95

7
3.2.2 Sử dụng SPSS để phân tích số liệu
Ta coi 7 chỉ tiêu trên là 7 biến số đại diện cho khả năng hoạt động của tổ
chức tín dụng. Ta sử dụng phương pháp phân tích nhân tố, phân tích thành
phần chính để đánh giá mối quan hệ giữa chỉ tiêu trong CAMELS cũng như
ảnh hưởng của mỗi chỉ tiêu đến khả năng hoạt động chung của Tổ chức tín
dụng. Đồng thời phương pháp thành phần chính còn cho phép ta phân loại các
tổ chức tín dụng thành các nhóm khác nhau, mà mỗi nhóm có khả năng hoạt
động tài chính tương đối giống nhau, qua đó ta có phương pháp giám sát
thanh tra hợp lý.
Sử dụng phần mềm SPSS
Ta chọn Analze/ Data reduction/Factor
Nếu ta mặc định chọn 2 thành phần chính, phương pháp phân tích là
phương pháp ma trận hệ số tương quan. Ta thấy nếu dùng 2 thành phần chính
thì tỷ lệ giải thích chỉ khoảng 58,7% và nếu dùng 3 thành phần chính tỷ lệ giaỉ
thích là 72,9% nên trong Factor Analysis : Extraction ta chọn Number of
factor : 3.
Ta có các kết quả sau :
8
Biểu 2 :Mô tả trung bình và phương sai các biến số.
Factor Analysis
Descriptive Statistics
Mean Std. Deviation Analysis N
CsVon 11.6337 11.0843 28
CsTS 2.3666 2.3550 28
CsDT 8.6537 7.9372 28

CsQL 76.5596 7.2193 28
CsLN 1.9029 .8327 28
CsTK 4.5291 4.2710 28
CsTD 1.8736 2.6844 28
Ta có các kết quả :
Biến CsVon có trung bình là 11,63 phương sai 11,08
Biến CsTS có trung bình là 2,36 phương sai 2,35
Biến CsDT có trung bình là 8,65 phương sai 7,93
Biến CsQL có trung bình là 76,55 phương sai 7,21
Biến CsLN có trung bình là 1,9 phương sai 0,83
Biến CsTK có trung bình là 4,52 phương sai 4,27
Biến CsTD có trung bình là 1,87 phương sai 2,68
9
Biểu 3:Tỷ lệ giải thích của số thành phần chính
(Total Variance Explained)
Extraction Sums of Squared
Loadings
Rotation Sums of Squared Loadings
Component Total
% of
Variance
Cumulative
%
Total
% of
Variance
Cumulative
%
Total
% of

Variance
Cumulative %
1 2.169 30.991 30.991 2.169 30.991 30.991 2.102 30.026 30.026
2 1.944 27.769 58.76 1.944 27.769 58.76 1.8 25.715 55.742
3 0.99 14.138 72.899 0.99 14.138 72.899 1.201 17.157 72.899
4 0.784 11.195 84.093
5 0.598 8.541 92.634
6 0.348 4.975 97.609
7 0.167 2.391 100

Bảng tổng phương sai được giải thích Total Variance Explained cho ta biết 30% quán tính của đám mây số liệu
được giải thích bởi thành phần chính thứ nhất, 28% quán tính của đám mây điểm được giải thích bởi thành phần chính
10
thứ 2, 14% quán tính của đám mây số liệu được giải thích bởi thành phần chính thứ 3, tổng tỷ lệ giải thích của cả 3
thành phần là 72%.
Tương ứng khi ta chọn 4, 5, 6 thành phần thì tỷ lệ giải thích sẽ tương ứng là 84%, 92% ,98%
Khi chọn cả 7 thành phần thì tỷ lệ giải thích là 100%, khi đó các trục chính chính là các biến.
11
Biểu 4 Biểu đồ biểu diễn tỷ lệ giải thích trong trường hợp chọn 1, 2, 3, .., 7
thành phần chính.
Scree Plot
Component Number
7654321
Eigenvalue
2.5
2.0
1.5
1.0
.5
0.0

Qua biểu đồ Scree plot cho ta thấy các giá trị riêng tương ứng với các
thành phần chính.Có thể thấy từ giá trị riêng thứ 5 trở đi sự sai khác là không
đáng kể. Điều này cho thấy nếu ta muốn tăng số thành phần chính để tăng
mức giải thích cho đám mây điểm thì cũng không nên tăng quá 4 thành phần
chính.

12